Notas em Matemática Aplicada 29

Notas em Matemática Aplicada 29 Editores Eliana X.L. de Andrade Universidade Estadual Paulista - UNESP São José do Rio Preto, SP, Brasil Rubens Sampaio Pontifícia Universidade Católica do Rio de Janeiro Rio de Janeiro, RJ, Brasil Geraldo N. Silva Universidade Estadual Paulista - UNESP São José do Rio Preto, SP, Brasil A Sociedade Brasileira de Matemática Aplicada e Computacional - SBMAC publica, desde as primeiras edições do evento, monografias dos cursos que são ministrados nos CNMAC. A partir do XXVI CNMAC, para a comemoração dos 25 anos da SBMAC, foi criada a série Notas em Matemática Aplicada para publicar as monografias dos minicursos ministrados nos CNMAC. O livro correspondente a cada minicurso deve deve ser preparado em latex, as figuras em eps e deve ter entre 60 e 100 páginas. O texto deve ser redigido de forma clara, acompanhado de uma excelente revisão bibliográfica e de exercícios de verificação de aprendizagem ao final de cada capítulo. Além do livro, cada responsável por minicurso deve preparar transparências e outros materiais didáticos que julgar convenientes. Todo o material será colocado à disposiçao dos interessados no site da SBMAC. É objetivo da série publicar textos dos encontros regionais e de outros eventos patrocinados pela SBMAC. Sociedade Brasileira de Matemática Aplicada e Computacional 2007

Notas em Matemática Aplicada Títulos publicados para o XXX CNMAC - 2007 27 Introdução à teoria espectral de grafos com aplicações Nair Maria Maia de Abreu, Renata R. Del-Vecchio, Cybele T. M. Vinagre e Dragan Stevanović 28 Modelagem e convexidade Eduardo Cursi e Rubens Sampaio 29 Modelagem matemática em finanças quantitativas em tempo discreto Max Oliveira de Souza e Jorge Zubelli 30 Programação não linear em dois níveis: aplicação em Engenharia Mecânica Ana Friedlander, Suzana L. C. Castro e Eduardo A. Fancello 31 Funções simétricas e aplicações em Combinatória José Plinio de Oliveira Santos e Robson da Silva 32 Semigrupos aplicados a sistemas dissipativos em EDP Carlos Raposo da Cunha Veja outros títulos da série ao final deste livro.

MODELAGEM MATEMÁTICA EM FINANÇAS QUANTITATIVAS EM TEMPO DISCRETO Max O. de Souza msouza@mat.uff.br Departamento de Matemática Aplicada Instituto de Matemática Universidade Federal Fluminense Jorge P. Zubelli zubelli@impa.br Instituto Nacional de Matemática Pura e Aplicada Est. D. Castorina 110, Rio de Janeiro, RJ 22460-320, Brasil Sociedade Brasileira de Matemática Aplicada e Computacional São Carlos - SP, Brasil 2007

Coordenação Editorial: Sandra Augusta Santos Coordenação Editorial da Série: Eliana Xavier Linhares de Andrade Editora: SBMAC Impresso na Gráfica: Gráfica Real - São José do Rio Preto (SP) Capa: Matheus Botossi Trindade Patrocínio: SBMAC Copyright c 2007 by Max Oliveira de Souza & Jorge Passamani Zubelli Direitos reservados, 2007 pela SBMAC. A publicação nesta série não impede o autor de publicar parte ou a totalidade da obra por outra editora, em qualquer meio, desde que faça citação à edição original. Catalogação elaborada pela Biblioteca do IBILCE/UNESP Bibiotecária: Maria Luiza Fernandes Jardim Froner Souza, Max Oliveira Modelagem Matemática em Finanças Quantitativas em Tempo Discreto - São Carlos, SP : SBMAC, 2006, 79 p., 20.5cm - (Notas em Matemática Aplicada; v. 29) ISBN 85-86883-34-7 1. Métodos Matemáticos em Finanças 2. Finanças Quantitativas 3. Modelagem Matemática I. Souza, Max Oliveira. II. Zubelli, Jorge Passamani. IV. Título. V. Série CDD - 51

Agradecimentos Queremos registrar aqui nossos agradecimentos aos alunos e colegas que ajudaram na revisão deste texto. A exposição apresentada aqui, bem como muitos dos exemplos, foi estimulada por entusiásticas conferências que assistimos de M. Avellaneda (Courant Institute of Mathematical Sciences) e B. Dupire (Bloomberg) em diversos momentos. O Capítulo 4 foi muito influenciado pelo contato com F. A. Grünbaum (U. C. Berkeley). A todos eles somos imensamente gratos, eximindo-os porém das imperfeições que este texto apresenta. J. P. Zubelli agradece o apoio financeiro do CNPq através dos projetos 302161/2003-1 e 474085/2003-1, PROSUL 490300/2004-9, bem como do programa ALFA da Comunidade Europeia através do contrato II-0143-FCD. Agradece também a AUTO- CAD pela disponibilização do software Matlab que utilizamos em diversas ocasiões na preparação deste texto. Os dois autores agradecem também o apoio financeiro da CAPES através do projeto CAPG-BA 002/02.

Conteúdo Prefácio 9 1 Introdução 11 1.1 Modelagem Básica de Dados Financeiros................ 13 1.2 Plano para o Texto............................ 15 1.3 Arbitragem e o Mundo Neutro ao Risco................ 16 2 Apreçamento Via Não-Arbitragem 19 2.1 Arbitragem................................ 19 2.2 Modelo de Arrow-Debreu........................ 20 2.3 Replicação................................. 25 2.4 Precificação de Derivativos por Não-Arbitragem............ 26 2.5 Modelo Binomial............................. 28 2.6 Mercados Completos e Incompletos................... 31 2.7 Exercícios................................. 34 3 Modelo Binomial 35 3.1 O Modelo Básico............................. 35 3.2 Precificação de Pagamentos Contigenciados.............. 37 3.2.1 Precificação via Recursão.................... 37 3.2.2 Precificação via Hedging..................... 38 3.3 Precificação das Opções Baunilha.................... 39 3.3.1 Calls................................ 39 3.3.2 Construção do Portfólio Replicador............... 41 3.3.3 Puts................................ 41 3.4 Análise de Média e Variância...................... 42 3.4.1 Estatística dos Preços do Modelo................ 42 3.4.2 Calibragem e Modelagem.................... 43 3.5 Exercícios................................. 45 4 A Fórmula de Feynman-Kac 47 4.1 A Fórmula Reversa de Kolmogorov................... 47 4.2 A Fórmula de Feynman-Kac....................... 50 4.3 Aplicação à Precificação de Opções................... 52 7

8 5 Black & Scholes 55 5.1 A Aproximação Lognormal....................... 56 5.2 A Fórmula de Black-Scholes....................... 57 5.3 A Equação de Black-Scholes....................... 58 5.4 Conclusões................................ 59 5.5 Exercícios................................. 61 A Conceitos Básicos de Probabilidade e Processos Estocásticos 63 A.1 Definições Básicas............................ 63 A.2 Valor Esperado e Esperança Condicional................ 65 A.3 Processos Estocásticos e Cadeias de Markov.............. 68 A.4 Martingais................................. 69 B Programa para Simulação de Séries Históricas 71 Bibliografia 73

Prefácio A presença de incerteza é uma constante na vida moderna. Entretanto, isto não significa que devemos nos desesperar ou tentar eliminar completamente as incertezas. Isto poderia resultar em gastos excessivos ou em situações pouco práticas. Por outro lado, as incertezas não podem ser ignoradas exceto, possívelmente, em sistemas pequenos e muito simples. Este último não é o caso em sistemas complexos como os biológicos e sociais. Também não é o caso em mercados financeiros. A modelagem de sistemas complexos e com características estocásticas vem sendo utilizada cada vez mais nas ciências sociais e biológicas, permitindo descrever situações onde a incerteza é a única certeza. Nos últimos anos, através do estudo de técnicas de probabilidade e estatística, grandes progressos teóricos e práticos vêm sendo feitos na análise de investimentos e na proteção contra eventos catastróficos. Tais estudos não se atém somente ao âmbito de aplicações financeiras mas são potencialmente relevantes, por exemplo, a pequenas cooperativas de agricultores que precisam planejar seus insumos para as próximas safras, ou para um grupo que decide gerir seu próprio seguro saúde ou seu fundo de pensão. O estudo de modelos estocásticos está também cada vez mais comum para a gestão de seguros e outros processos que envolvem risco. O tema de modelagem matemática em finanças é fascinante e possui aspectos interdisciplinares que relacionam algumas das principais contribuições científicas do século XX. Dentre elas, citamos como exemplo: A metodologia de Arrow-Debreu descrita na Seção 2.2 que está associada ao prêmio Nobel em Economia de Kenneth Arrow (1972) e o de Gerard Debreu (1983). A teoria de precificação por princípios de não-arbitragem e de cobertura de carteiras tratada no Capítulo 2 e que leva a equação de Black-Scholes do Capítulo 5. Esta última contribuição está associada ao prêmio Nobel de 1997 para Robert Merton e Myron Scholes também na área de Economia. A fórmula de Feynman-Kac que é o assunto do Capítulo 4. Aqui novamente, temos uma referência ao célebre matemático aplicado Marc Kac em conexão com o físico Richard P. Feynman ganhador do prêmio Nobel de Física de 1965. O presente texto tem por objetivo apresentar de forma sucinta e elementar alguns aspectos da área de modelagem matemática em finanças. Mais especificamente no 9

10 apreçamento de derivativos. Nossa exposição se caracteriza por evitar ao máximo o uso de conceitos avançados de análise e cálculo estocástico. A ênfase segue a máxima atribuida a Marc Kac Be wise, discretise! Sendo assim, o texto se concentra em quase sua totalidade em modelos em tempo discreto. Dentro deste espírito, o Capítulo 4 sobre a fórmula de Feynman-Kac é completamente original e até quanto sabemos neste nível elementar não possui similar em outros textos na área de finanças. A despeito do contexto de tempo discreto e do caráter elementar da exposição, os resultados estão diretamente conectados com aplicações e permitem, através dos chamados métodos de Monte Carlo a implementação numérica em problemas práticos. A apresentação tem um caráter informal, porém tentamos ao máximo fornecer referências a textos mais avançados. Rio de Janeiro, 30 de abril de 2007. Max O. de Souza Jorge P. Zubelli

Capítulo 1 Introdução This conjoining of intrinsic intellectual interest with extrinsic application is central to the research in modern finance. R. Merton. Nobel Lecture Nos últimos anos, uma verdadeira revolução conceitual teve lugar e levou a utilização de um ferramental matemático cada vez mais sofisticado nas diversas áreas associadas a mercados de capitais e seguros. Isto se deve em parte ao crescimento do chamado mercado de derivativos, ou seja de instrumentos financeiros cujo valor deriva de outros instrumentos mais fundamentais como ações, bonds, ou commodities. Um exemplo de um derivativo é uma opção, ou seja um contrato que dá ao possuidor o direito, mas não a obrigação, de negociar no futuro um ativo a um certo preço pré-estabelecido. O uso de tais instrumentos, chamados de derivativos, em mercados financeiros modernos se tornou tão importante, que o seu volume cresceu para ser comparável com os chamados mercados primários. Uma das razões principais para isto é que opções são usadas amplamente como uma forma de proteção contra as flutuações dos valores de preços de produtos e bens. Um dos problemas centrais em mercados de derivativos é o de apreçamento: Como determinar o preço justo, hoje, de um contrato financeiro sobre um ativo cujo o comportamento futuro é imprevisível e sujeito a flutuações aleatórias? Este problema envolve técnicas matemáticas bastante sofisticadas tais como análise estocástica, equações diferenciais parciais, e otimização. O prêmio Nobel de 1997 em Economia foi outorgado a Robert C. Merton e Myron S. Scholes pelo seu trabalho, em colaboração, com Fisher Black, no desenvolvimento do modelo de Black-Scholes de precificação de opções. Black, que havia falecido em 1995, teria sido, indubitávelmente, também agraciado com o prêmio caso ainda estivesse vivo. Intimamente ligada a questão de apreçamento está a questão de proteção e cobertura de riscos. O vendedor do contrato deve ser capaz de se proteger em relação às flutuações do mercado para que, de fato, possa cumprir com a sua obrigação. Isto está ligado ao conceito de hedging ou cobertura de riscos que toma um papel essencial no enfoque proposto por Black, Merton e Scholes. 11

12 Algumas perguntas naturais que surgem quando falamos de opções e contratos derivativos são: Por quê? O uso de contratos derivativos do lado do comprador está associado à proteção ou redução de exposição ao risco. Como exemplo, uma firma pode ter que comprar parte de seus insumos em uma moeda estrangeira, digamos o euro, e com isso assumir uma dívida nesta moeda em um momento futuro. Com o objetivo de se proteger ela pode decidir entrar em um contrato futuro no qual tenha o direito de adquirir uma certa quantidade de euros por uma taxa de câmbio pré-fixada. Do ponto de vista do vendedor destes contratos, eles podem ser usados com o objetivo de alavancar seus lucros (e conseqüentemente expô-lo a um risco), ou no caso de uma instituição financeira com uma grande carteira, contrabalançar outros contratos de seu portfólio. Quando? Contratos derivativos devem ser usados sempre que existe risco ou incerteza sobre os possíveis fluxos de caixa. Em um certo sentido, contratos de seguro podem ser pensados como derivativos. Investimentos em renda fixa também. Quem? Muitos investidores, mesmo sem saber, são possuidores ou afetados por tais contratos. Além de grandes investidores institucionais podemos citar possuidores de títulos de renda fixa, possuidores de seguros, fundos de pensão, empresas que trabalham com exportação e importação. Vamos exemplificar os contratos mais simples: Opção de compra européia (call): Um contrato que dá ao possuidor o direito, mas não a obrigação, de comprar uma unidade de um ativo subjacente no instante futuro T por um preço (strike) K. O chamado payoff F deste contrato é { ST K se S F (S T ) = T > K, 0 se S T K. Opção de venda européia (put): Dá o direito ao possuidor de vender uma unidade de um ativo subjacente no instante futuro T por um preço (strike) K. Seu payoff é { K XT if X F (X T ) = T < K, 0 if X T K. No texto que se segue, vamos atacar o problema fundamental de determinar o preço justo V (t, S) em um instante t < T do contrato dado que o ativo subjacente neste instante t vale S = S t. Um dos aspectos fascinantes é que, de acordo com a modelagem desenvolvida por Black, Merton e Scholes dentro de hipóteses bastante simplificadoras, V (t, S) satisfaz a equação de Black-Scholes: V t + 1 ( 2 σ2 S 2 2 V S 2 + r S V ) S V = 0 V (T, S) = F (S)

13 onde r é a taxa de juros prevalente no mercado e σ é a volatilidade do ativo subjacente S t. Dentre as hipóteses simplificadoras mencionadas está que o nosso mercado é completo e que consiste somente de um ativo sem risco (um investimento bancário seguro a uma taxa constante r) e um ativo com risco S que satisfaz um movimento Browniano exponencial de volatilidade constante σ No caso de uma opção de compra, a solução da equação de Black-Scholes toma a forma C BS (S, t; K, T, r, σ) = XN(d + ) Ke r(t t) N(d ) (1.0.1) onde N é a distribuição normal cumulativa d ± = log(xer(t t) /K) σ T t Um gráfico ilustrativo se encontra na Figura 1.1. ± σ T t 2. (1.0.2) Figura 1.1: Gráfico do preço de uma opção de compra (call) europeia. 1.1 Modelagem Básica de Dados Financeiros Nosso principal foco nestas notas é a modelagem do preço de derivativos. Não poderiamos, porém, deixar de mencionar algumas palavras sobre a modelagem dos ativos subjacentes que servem de base para tais derivativos, como por exemplo as ações ou índices sobre cestas de ações. Na parte superior da Figura 1.2, mostramos o gráfico do índice IBOVESPA em um período recente. Na parte inferior da Figura 1.2 mostramos o gráfico da simulação numérica usando o modelo binomial para um índice fictício. O programa utilizado para gerar a simulação se encontra no Apêndice B. Este exercício nos mostra que pelo menos ao nível visual e qualitativo o comportamento estatístico do mercado e da simulação se assemelham.

14 27000 Ibovespa 26500 26000 25500 25000 24500 24000 23500 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 t 27000 Modelo Binomial 26000 25000 24000 23000 22000 21000 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 t Figura 1.2: Figura superior: Valores do índice IBOVESPA. Figura inferior: Simulação numérica de um índice fictício seguindo o modelo binomial

15 A análise e modelagem estatística de séries temporais em finanças é um assunto vem sendo estudado intensamente. Novamente aqui, como vários outros tópicos destas notas, está ligado a contribuições importantíssimas como o prêmio Nobel de 2003 em Economia outorgado a R. F. Engle. Entretanto, nosso objetivo nestas notas não é o de seguir nesta direção. Nos limitamos a deixar registrado que do ponto de vista estatístico, um grande número de modelos para o comportamento dos ativos vem sendo proposto. Dentre estes modelos, podemos citar: Processos estocásticos auto-similares. Movimento Browniano fracionário. Processos de Lévy. Processos auto-regressivos. Uma excelente introdução e amplas referências podem ser encontradas no texto [VOI]. 1.2 Plano para o Texto Nosso foco nestas notas notas será o de utilizar processos Markovianos em tempo discreto. Em última análise, após a passagem ao limite dos modelos aqui considerados, obtemos processos difusivos baseados no movimento Browniano. A metodologia inicial de apreçamento seguirá o enfoque de ausência de oportunidades de arbitragem, cobertura de portfolios e medida neutra ao risco. Estas idéias serão brevemente exemplificadas na Seção 1.3 e posteriormente em mais detalhe no Capítulo 2. O Capítulo 3 implementará as idéias de apreçamento por não arbitragem no contexto do importantíssimo modelo binomial, que na literatura de finanças está associado ao modelo de Cox, Ross e Rubinstein [CO-RO-RU]. No Capítulo 4, desenvolveremos a fórmula de Feynman-Kac em um contexto discreto e usaremos esta fórmula para interpretar o resultado do apreçamento em termos de soluções de certas equações de diferenças. Finalmente, no Capítulo 5 efetuaremos a passagem ao limite contínuo, o que nos permitirá explicar a equação de Black-Scholes mencionada acima e a fórmula de apreçamento. No Apêncice A, que consideramos um acessório fundamental para a leitura do texto, apresentamos um revisão dos principais conceitos de probabilidade e processos estocásticos que utilizamos no restante do texto. Por brevidade, neste texto não nos dedicaremos à análise e modelagem estatística de dados. Este assunto, apesar de sua extrema importância, foge ao escopo destas notas. Do ponto de vista de pesquisa recente, bem como de aplicações em finanças e atuária recomendamos os textos e atas dos eventos [KO-MO, FE-SC-KO]. Para aplicação na área de análise de risco e alocação de carteiras recomendamos [MEU].

16 1.3 Arbitragem e o Mundo Neutro ao Risco Nesta seção introdutória, apresentaremos alguns exemplos ilustrativos com o objetivo de motivar a idéia de apreçamento neutro ao risco e princípios de nãoarbitragem. Arbitragem pode ser entendida intuitivamente como a possibilidade de fazer dinheiro do nada, sem risco. Exemplo 1.1. Considere uma roleta que paga 2:1 quando sai vermelho, e nada quando sai preto e cujas probabilidades são { Vermelho 70% Preto 30% Se jogarmos muitas vezes, esperamos receber, em média, 2 0.7 + 0 0.3 = R$1, 40 por real apostado. Um negociante local oferece um bilhete que vale R$100,00, se sair vermelho na roleta R$0,00, se sair preto. O bilhete é vendido a R$60,00. Você compra ou você vende? Usando o raciocínio acima, temos um valor esperado de R$70,00 para o bilhete. Portanto, o bilhete parece estar barato e vale a pena comprá-lo. Entretanto, considere as seguintes estratégias que o negociante pode adotar ao vender um bilhete: 1. Ele guarda os R$60,00. Se sair preto, ele fica com R$60,00 de lucro. Se sair vermelho, ele tem um prejuízo de R$40,00. 2. Ele aposta os R$60,00 na roleta. Se sair preto, ele perde tudo, mas também não tem que pagar nada. Se sair vermelho, ele recebe R$120,00, paga R$100,00 e lucra R$20,00. 3. Ele aposta R$ 50,00 na roleta. Se sair preto, ele perde os R$50,00, não precisa pagar nada e fica com um lucro de R$10,00. Se sair vermelho, ele recebe R$100,00, com os quais paga o prometido pelo bilhete e lucra R$10,00. A simples estratégia 2, já garante que ele não terá prejuízo e ainda poderá ter lucro. A estratégia 3, entretanto, ainda é mais eficiente. Independente do resultado da roleta, ele lucra R$10,00.

17 Nesse caso, se quiséssemos precificar o bilhete através do valor esperado dele, deveríamos ter usado probabilidades iguais a 1/2 para os dois possíveis resultados. Esse percepção, nos leva a definição de uma medida de probabilidade neutra ao risco, que nos permite precificar corretamente o ativo em questão. É interessante notar que essas probabilidades não estão associadas às probabilidades freqüênciais, o que não é nada intuitivo em princípio. Exemplo 1.2. Considere uma moeda cujas probabilidades são { Cara 3 4 Coroa 1 4 Suponha também que você receba R$0,50 quando sai coroa e R$2,00 quando sai cara para cada real apostado. Em média, esperamos acumular um valor de 1 2 1 4 + 2 3 4 = 13 8 = 1, 625. Quanto vale um bilhete que retorna R$12,00 se der cara e nada se der coroa, numa cidade com empréstimo sem juros? Almoço de graça da seguinte forma: Se cobrarmos R$9,00 como seria o esperado podemos proceder Apostamos R$6,00 na moeda. Se der cara, recebemos R$12,00, pagamos o valor do bilhete e lucramos R$3,00. Se der coroa recebemos R$3,00 e lucramos R$6,00. Nesse caso o preço justo seria R$4,00!! Hedging Considere a seguinte estratégia, ao vender um bilheter por R$4,00: Tomamos R$4,00 emprestado. Apostamos na moeda R$8,00. Se der cara: ganhamos R$16,00 pagamos R$12,00 ao comprador do bilhete e usamos os R$4,00 restantes para quitar o empréstimo. Se der coroa: ganhamos R$4,00 e quitamos o empréstimo. Mais Hedging Se o bilhete fosse vendido por R$3,00 em vez, poderíamos nos aproveitar da situação usando a seguinte estratégia: Tomamos R$7,00 de um terceiro, nos comprometendo a pagar o retorno de uma aposta desse valor na moeda. Compramos o bilhete do vendedor por R$3,00.

18 Esperamos o resultado da moeda. Se der cara: ganhamos R$12,00, juntamos mais R$2,00 e pagamos o terceiro; lucramos R$2,00. Se der coroa: ficamos com R$4,00, pagamos R$3,50 ao terceiro e embolsamos R$0,50. Mas... Algumas objeções podem aparecer: Isso deve ser uma conseqüência de se ter a possibilidade de ganho nulo; Empréstimos sem juros nem nos contos de fada; Tomar dinheiro com um terceiro e aplicar no ativo com risco não parece algo factível. Entretanto: De fato não! Se o bilhete pagasse R$3,00 no caso de coroa e R$12,00 se for cara o preço justo é R$6,00 e não R$9,75 como poderia parecer a primeira vista! Note que o bilhete está na mesma proporção da moeda agora! Juros não mudam a conclusão, embora mudem os valores. Ficar vendido é uma operação comum no mercado. No exemplo acima, a probabilidade neutra ao risco é 1/3 para cara e 2/3 para coroa. Assim, nos dois casos mencionados no exemplo, temos: 1 3 R$12, 00 + 2 R$0, 00 = R$4, 00 3 1 3 R$12, 00 + 2 R$3, 00 = R$6, 00 3 Note que um bilhete que paga R reais, no caso da moeda dar cara, custa menos que um bilhete que para R reais no caso da moeda dar coroa. Nesse sentido, o bilhete pode ser interpretado com uma espécie de seguro que cobra mais no caso adverso.

Capítulo 2 Apreçamento Via Não-Arbitragem 2.1 Arbitragem For a successful technology, reality must take precedence over public relations, for Nature cannot be fooled. R. P. Feynman A noção de arbitragem é extremamente importante na moderna teoria de finanças e é o alicerce da teoria de precificação de opções, cujo desenvolvimento inicial é devido a [BL-SC, MER]. A idéia de arbitragem pode ser explicada através de uma piada bastante comum, em várias versões, nos círculos acadêmico-financeiros: um professor de finanças matemáticas está caminhando com um colega de outra área, que encontra uma nota de R$100,00 no chão e está pronto a pegá-la, quando o professor retruca: Não tente fazer isso! É absolutamente impossível que exista uma nota de R$100,00 no chão. De fato, se fosse o caso, alguma outra pessoa já a teria encontrado. Para fins dessa discussão introdutória, vamos usar a seguinte definição: Definição 2.1. Uma arbitragem é uma posição no mercado satisfazendo: 1. custo inicial zero; 2. impossibilidade de prejuízo no futuro; 3. probabilidade não-nula de lucro no futuro. Se no dia a dia, a idéia de encontrar uma nota de R$100,00 na esquina nos parece esdrúxula, no mercado financeiro isso é ainda mais verdade. No exemplo abaixo, adaptado de [AV-LA], mostramos como isso pode ser explorado: 19

20 Exemplo: Suponha que o preço da onça de ouro seja R$ 800,00 e que o preço de um contrato a termo, com vencimento em três meses de uma onça de ouro seja R$ 780,00. Suponha também que o juros de conveniência 1 no período de três meses seja, anualizado, de 10%. Finalmente, suponha que haja empréstimos a uma taxa trimestral de juros que, anualizada, seja de 4%. Nesse caso podemos realizar uma arbitragem da seguinte maneira: ficamos vendidos em uma onça de ouro; aplicamos o dinheiro por três meses e entramos num contrato a termo também por três meses. O custo dessa operação é R$ 800, 00 2.5% = R$ 20, 00 juros de conveniência R$ 800, 00 1.0% = R$ 8, 00 juros custo = R$ 12, 00. Ao final do três meses, teremos então R$ 788,00 na conta. Comprando o ouro no contrato a termo e devolvendo a barra ficamos com R$ 788,00 - R$ 780,00=R$ 8,00 de lucro. Esse exemplo está ignorando taxas e supondo que juros do banco e no ativo sejam pagos ou cobrados ao fim do período. Note que um arbitrador 2 poderia fazer isso numa escala tão grande quanto possível. Neste caso, o mercado não pode estar em equilíbrio. Naturalmente, num mercado eficiente, a ação dos arbitradores levaria a um ajuste nos juros de conveniência e no preço a termo do ouro de maneira a tornar a arbitragem inexistente. Isso nos leva ao seguinte: Princípio Básico: Em um mercado eficiente, não há oportunidades permanentes de arbitragem. 2.2 Modelo de Arrow-Debreu Vamos considerar uma economia com N ativos s 1, s 2,..., s N e M possíveis estados. Um investidor toma uma posição inicial e, após um período, um estado é escolhido e a posição do investidor é liquidada. O modelo fica totalmente especificado, a partir de p = (p 1,..., p N ) t R e D = (d ij ), onde p é o vetor de preços com p i sendo o preço dos ativo s i e onde D é a matriz de fluxos de caixa. No modelo de Arrow-Debreu, estamos supondo que D é conhecida por todos, mas que o estado final da economia não é conhecido a priori. 1 Pode ser pensado como um aluguel a ser pago pelo direito de dispor do bem durante esse período. 2 Como notado em [DE-SC], essas são pessoas com dois telefones na mão e três telas de computadores na sua frente.

21 Definição 2.2. Um portfólio de ativos é um vetor θ = (θ 1,..., θ N ) t, R N, onde θ i > 0 significa que o investidor está comprado no ativo e θ i < 0 significa que o investidor está vendido no ativo. Notação: No que se segue, se x, y R n, diremos que x > y se x i > y i, i = 1,..., n. Escreveremos x > 0 significando que x i > 0, i = 1,..., n. A mesma notação vale para. Usaremos a notação usual de produto interno entre vetores θ e γ em R N, a saber: N θ γ = θ i γ i. i=1 Além disso, será útil calcularmos o produto interno entre um vetor e colunas de uma matriz, por exemplo: N θ D,j := θ i D ij. No modelo de Arrow-Debreu, estar vendido num ativo significa tomar emprestado uma certa quantidade deste ativo e vendê-lo a preço presente. Definição 2.3. Um portfólio de arbitragem é um portfólio θ satisfazendo uma das duas condições abaixo: i=1 1. 2. θ p = 0, θ t D 0 e para algum j, θ D,j > 0. θ p < 0 e θ t D 0. No primeiro caso, o portfólio não tem custo inicial, não oferece risco de prejuízo e ainda oferece um possibilidade real de lucro. No segundo caso, o portfólio dá lucro imediato, sem risco de prejuízo no futuro. Teorema 2.1. Existe um vetor de números positivos π, tal que se, e somente se, não existem portfólios de arbitragem. Demonstração: Supondo que vale (2.2.1), observe que temos p = Dπ, (2.2.1) θ p = θ (Dπ) = (θ D) π > 0.

22 Note que nas duas alternativas de arbitragem, temos que ter θ t D 0. Mas, neste caso, como π > 0, temos que ter θ p 0. Logo, não podemos ter a segunda alternativa. Por outro lado, se adicionalmente θ D,j > 0 para algum j, então temos que ter θ p > 0, o que exclui a primeira alternativa. Para provar a volta, sejam + = { x R M+1 + } M+1 x 0 e x i = 1 i=1 e L = { ( θ p, θ D,j,..., θ D,M ), θ R N}. Observe que L é um sub-espaço vetorial e que ausência de portfólios de arbitragem é equivalente a L + =. No que se segue, vamos necessitar do seguinte teorema de separação: Teorema 2.2 (Teorema da Separação de Minkowski). Sejam C 1, C 2 R k convexos e disjuntos, com C 1 fechado e C 2 compacto. Então, existe um vetor não-nulo α = (α 1,..., α k ) t R k, e dois números b 1 e b 2 distintos, tais que, x C 1, y C 2, k k α j x j b 1 < b 2 α j y j. j=1 j=1 Note que podemos interpretar o vetor α como o vetor normal a um hiperplano que separa os dois conjuntos, conforme mostra a Figura 2.2

23 C 1 C 2 Figura 2.1: Ilustração geométrica do teorema de Minkwoski. Como L é um sub-espaço vetorial, portanto fechado, e + é compacto, podemos invocar o Teorema da Separação de Minkowski e definir H = x M RM+1 γ j x j = 0, γ = (γ 0,..., γ M ) t. Note que separação implica j=0 γ x > γ z, x +, z L. Como L é um sub-espaço vetorial, concluímos que para x fixo temos que ter Portanto, γ x > cγ z, z L e c R. γ z = 0, z L. Assim, L H. Por outro lado, se denotarmos o i-ésimo vetor canônico do R M+1 por e i, temos que e i +. Logo, 0 < γ e i = γ i, i = 0,..., M + 1.

24 Donde, e, portanto, temos M θ R N, γ 0 θ p + γ j θ D j = 0 j=1 M γ 0 p + γ j D j = 0 p = j=1 ( γj M γ j=1 0 ) D j Vamos escrever π j = γ j /γ 0 ; os preços do estado. Podemos então definir π j ˆπ j = M k=1 π. k Seja (1 + R) 1 = M π k. k=1 Vamos ver que R representa a taxa de juros da economia. Ativo sem risco Suponha que exista um ativo que garanta o pagamento de R$ 1,00, qualquer que seja o estado. O vetor de fluxos de caixa de um ativo assim seria (1,..., 1) t. Suponhamos que vale (2.2.1). Se denotarmos o preço do ativo sem risco por p sr, temos então que p sr = M π k = (1 + R) 1 k=1 Portanto, R pode ser associado à taxa de juros sem risco vigente na economia em questão. Rescrevendo (2.2.1), temos p i = 1 1 + R M j=1 D ij ˆπ j = 1 1 + R E(D i), onde E é o valor esperado com respeito à medida de probabilidade dada por P [{j}] = ˆπ j. Podemos enunciar o resultado acima da seguinte forma: Corolário 2.1. Suponha que o mercado não admita portfólios de arbitragem e que exista empréstimo sem risco a taxa R. Então existe uma medida de probabilidade no conjunto de estados tal que o valor justo do ativo é o valor esperado dos seus fluxos de caixa descontado pela taxa R.

Terminologia: A medida mencionada no corolário acima é geralmente conhecida como Medida Neutra ao Risco ou Medida Martingal. Nota: A probabilidade neutra ao risco não está associada a probabilidade freqüêncial observada na economia. Mais ainda, podemos escrever M j=1 ( ) Dij ˆπ j 1 = R. p i Ou seja, sob a probabilidade neutra ao risco, o retorno esperado de qualquer ativo é R. Preços de estado Vamos incluir os seguintes ativos na economia 25 S N+k com fluxo de caixa { R$ 1, 00 se a economia estiver no estado k R$ 0, 00 caso contrário k = 1,..., M. Considere um portfólio formado por Esse portfólio tem fluxo de caixa θ = (0, D i1,..., D im ) t, 0 R N. (D i1,..., D im ). Assim, θ tem o mesmo retorno do ativo S i e isso justifica chamar π j do preço associado ao estado j. 2.3 Replicação Definição 2.4. Dizemos que um portfólio (θ 1,..., θ K ) t de ativos S 1,..., S K replica o ativo S, se o fluxo de caixa do portfólio e do ativo S são os mesmos, qualquer que seja o estado da economia. Proposição 2.1 (Lei do Preço Único). Em um mercado sem oportunidade de arbitragem, se um ativo admite um portfólio replicador, então o preço justo do ativo é o mesmo do seu portfólio replicador. Demonstração: Sejam k p = (S, S 1,..., S K ) t e Q = θ j S j. j=1

26 o vetor de preços dessa economia e o valor do portfólio replicador, respectivamente. Se P < S, então construímos o seguinte portfólio η R K+1 Como P < S, temos que η 0 = S e η i = θ i, i = 1,..., K. η π < 0, i.e, temos um lucro imediato. Como os fluxos de caixa do portfólio e do ativo são os mesmos não há possiblidade de prejuízo, qualquer que seja o estado selecionado pela economia no futuro. Temos, portanto, um portfólio de arbitragem. Se P > S, basta construirmos o portfólio η e chegamos ao mesmo resultado. Assim, P = S. No que se segue, veremos algumas aplicações da Lei do Preço Único. 2.4 Precificação de Derivativos por Não-Arbitragem Definição 2.5. Um contrato a termo é um documento que obriga o seu possuidor a comprar uma unidade do ativo S por um preço K dito o strike. Proposição 2.2 (Valor de um contrato a termo). Num modelo sem arbitragem, o preço Q de um contrato a termo com strike K, cujo o preço spot do ativo subjacente é P, é dado por Q = P K 1 + R. Demonstração: Pela lei do preço único, basta mostrar que as duas posições têm o mesmo fluxo de caixa. De fato, se tivermos um contrato a termo, ao final do período, teremos uma unidade do ativo e teremos desembolsado K. Por outro lado, tomando um empréstimo de K/(1 + R) e comprando o ativo agora teremos, ao final do período, que desembolsar K para pagar o empréstimo e possuiremos uma unidade do ativo. Preço a termo O preço a termo de um ativo é dado por F = (1 + R)P. A motivação por trás dessa definição é que, se tomarmos K = F, teremos Q = 0. Em outras palavras, um contrato a termo cujo o strike é o preço a termo tem custo zero. Esse fato é importante para uma modalidade de derivativo conhecida como Contrato Futuro que, infelizmente não trataremos aqui. Definição 2.6. Uma opção de compra (Call) do tipo européia sobre o ativo S é um documento que dá o direito, mas não a obrigação, ao seu detentor de comprar uma unidade do ativo S pelo preço K dito o strike no tempo T, que é o tempo de expiração da opção.

27 Definição 2.7. Uma opção de venda (Put) do tipo européia sobre o ativo S é um documento que dá o direito, mas não a obrigação, ao seu detentor de vender uma unidade do ativo S pelo preço K dito o strike no tempo T, que é o tempo de expiração da opção. Paridade Put-Call Proposição 2.3 (Paridade Put-Call). Numa economia sem arbitragem, seja S o preço de um ativo e R a taxa livre de risco. Se P e C denotam o preço de uma opção de venda e de uma opção de compra, respectivamente, deve valer a seguinte relação: P = C S + K 1 + R. (2.4.2) Demonstração: Se ao final do período, tivermos S < K, então o detentor da opção de venda irá exercê-la e terá um fluxo positivo de K e fica com menos uma unidade do ativo, com um balanço de K S. O detentor do portfólio, não exerce a opção de compra, fica com menos uma unidade do ativo e tem K depositado no banco, com um balanço K S. Por outro lado, se S K, o detentor da opção de venda não a exercerá ficando com um fluxo zero. O detentor do portfólio, terá K no banco, com o qual exerce a opção e fecha a sua posição vendida no ativo também ficando com um fluxo zero. Produtos sintéticos: A paridade dada por (2.4.2) nos permite montar uma opção de compra sintética em termos de uma Call, do ativo e de um depósito remunerado. Por outro lado, ela também nos permite montar uma opção de compra sintética, ficando vendido numa opção de venda, vendido no ativo e comprado num depósito bancário. Ela também nos permite montar o ativo sinteticamente: ficamos comprados numa opção de compra e num depósito bancário e vendidos numa opção de compra. Finalmente, replicamos um depósito bancário, ficando comprados numa opção de venda e vendidos numa opção de compra e no ativo. Escrevendo (2.4.2) como S K 1 + R = C P, observamos que o lado esquerdo é o preço de um contrato a termo que, portanto, podemos replicar com uma posição comprada numa Call e vendida numa Put. Na Figura 2.2, vemos uma replicação de um contrato a termo através dos gráficos do valor de vencimento de uma posição comprada em opções de compra e vendida em opções de venda.

28 1.4 C 0 -P 1.2-0.5 1 0.8-1 0.6 0.4-1.5 0.2 0 K -2 K S S (a) Call (b) Put (vendida) 1.5 C -P 1 0.5 0-0.5-1 -1.5-2 K S (c) Contrato a Termo Figura 2.2: Replicação de um contrato a termo por uma posição comprada em Calls e vendida em Puts. 2.5 Modelo Binomial Vamos considerar uma economia com dois ativos e dois possíveis estados, i.e, N = M = 2 no modelo de Arrow-Debreu. Vamos supor que haja empréstimo a uma taxa R, i.e, um ativo sem risco. O ativo de risco tem preço P e fluxos de caixa P U no estado I e P D no estado II, com D < U. Graficamente isto está descrito na Figura 2.3.

29 P U ˆπ 1 P ˆπ 2 P D Figura 2.3: Árvore binomial na medida neutra ao risco. Vamos supor que vale não-arbitragem para essa economia. Nesse caso, temos que ter Que pode ser rescrito como P = 1 1 + R {ˆπ 1P U + ˆπ 2 P D} ˆπ 1 + ˆπ 2 = 1. ˆπ 1 + ˆπ 2 = 1 ˆπ 1 U + ˆπ 2 P D = 1 + R cuja solução é ˆπ 1 = 1 + R D U (1 + R) e U D U D. Note que temos soluções positivas se, e somente se, D < 1 + R < U. Essa condição está diretamente relacionada com não-arbitragem. De fato, se 1 + R U, uma posição vendida no ativo de risco com uma contrapartida comprada num depósito remunerado garante um fluxo caixa não-negativo, com possibilidade de um fluxo positivo. Por outro lado, se 1 + R D, uma posição comprada no ativo e um empréstimo correspondente, também garante fluxos não negativos, como possibilidade de fluxo positivo. Nos dois casos, temos uma arbitragem.

30 Pagamento contigenciado ao estado Considere um ativo que tem fluxo de caixa D 1 no estado I e D 2 no estado II. Temos então que o preço justo desse ativo seria V = 1 1 + R {ˆπ 1D 1 + ˆπ 2 D 2 } Exemplo Considere uma Call no ativo de risco com P D < K < P U. Nesse caso os possíveis fluxos de caixa são D 1 = P U K e D 2 = 0. Portanto, o valor justo desta call, V call, é dado por V call = 1 1 + R 1 + R D (P U K) U D Hedging e replicação Considere um portfólio θ = (θ 1, θ 2 ) t, com θ 1 unidades do ativo de risco a um preço P e θ 2 unidades em depósito remunerado a um preço de 1/(1 + R). O valor do portfólio vai ser então Resolvendo para θ 1 e θ 2, temos Logo, o valo do portfólio será θ 1 P U + θ 2 = D 1, no estado I; θ 1 P D + θ 2 = D 2, no estado II. θ 1 = D 1 D 2 P U P D e θ 2 = UD 2 DD 1 U D V = θ 1 P + θ 2 1 + R i.e. V = 1 1 + R {ˆπ 1D 1 + ˆπ 2 D 2 }. Moral Em alguns mercados, temos uma probabilidade neutra ao risco se, e somente se, podemos construir portfólios replicadores. Nesse caso, podemos precificar ativos através da Lei do Preço Único. No que se segue, vamos estudar um pouco mais sobre esses mercados.

31 2.6 Mercados Completos e Incompletos Definição 2.8. Um mercado com N ativos e M estados é dito completo se, para todo vetor de fluxo de caixa (D 1,..., D M ) t, existe um portfólio θ = (θ 1,..., θ N ) t, cujo fluxo de caixa no estado j é D j. Em outras palavras, θ t D = E t, E R M tem sempre solução. Este será o caso quando posto ( D t) = M. Teorema 2.3. Suponha uma economia sem arbitragem. O mercado é completo se, e somente se, existe um único vetor de preços de estado satisfazendo (2.2.1). Demonstração: Suponha que o mercado é completo. Então, temos posto(d t ) = M nul(d) = 0. Portanto D é injetora e, assim, a equação Dπ = p tem, no máximo, uma única solução. Por outro lado, suponha que o mercado não seja completo. Nesse caso, posto(d t ) < M posto(d) < M Isso quer dizer, que existe v R M satisfazendo Dv = 0. Mas então, se π é um vetor de preço de estados, temos que D(π + ρv) = p. Como π tem entradas positivas, tomando ρ suficientemente pequeno temos que π + ρv tem entradas positivas. Assim, os preços de estado não são únicos. O Modelo Trinomial Considere uma economia com dois ativos, N = e três possíveis estados M = 3, com fluxos de caixas P U, P M e P D, D < M < U e empréstimo sem risco a taxa R.

32 P U ˆπ 1 P ˆπ 2 P M ˆπ 3 P D Figura 2.4: Árvore binomial na medida neutra ao risco. Temos então ˆπ 1 + ˆπ 2 + ˆπ 3 = 1 U ˆπ 1 + M ˆπ 2 + Dˆπ 3 = 1. Mais uma vez, temos soluções positivas apenas se D < 1 + R < U. As soluções positivas são segmentos de reta com extremos e ou ˆπ 1 1 = 0, ˆπ 1 2 = ˆπ 1 0 = 1 + R D U D, ˆπ0 2 = 0 e ˆπ 3 0 = 1 + R D M D M (1 + R) M D ˆπ 1 2 = 1 + R M U M, U (1 + R) ˆπ2 2 = U M e ˆπ 1 3 = 1 + R D M D (M 1 + R); e ˆπ 2 3 = 0 (M < 1 + R). Nesse caso, o valor de um pagamento contigenciado que paga D i no estado i é dado por: V = 1 1 + R {ˆπ 1D 1 + ˆπ 2 D 2 + ˆπ 3 D 3 } Para valores fixos de D i, temos que V é uma função linear das probabilidades neutras ao risco e escreveremos V = V (ˆπ 1, ˆπ 2, ˆπ 3 ). Sejam P i = (ˆπ i 1, ˆπ i 2, ˆπ i 3), i = 0, 1, 2 e I i o segmento de reta que liga os pontos P 0 e P i i = 1, 2. Temos então o seguinte resultado:

33 Proposição 2.4. Se V = V (P), como definido acima, temos que: max V (P ) = max{v (P 0 ), V (P j )}, P I j onde j = 1, se M 1 + R e j=2, se M < 1 + R. Demonstração: Se M 1 + R, então V está definida no intervalo I 1 que é um segmento de reta limitado e, portanto, compacto. Logo o máximo é atingido. Seja d = (D 1, D 2, D 3 ) e defina Ṽ (t) = t(p 1 P 0 ) + P 0 d. Se o máximo for interior, em t = t 0 (0, 1) digamos, então Ṽ (t 0 ) = 0. Nesse caso temos (P 1 P 0 ) d = 0 Mas, nesse caso, Ṽ (t) = P 0 D e o máximo também é atingido nos extremos. O caso M < 1 + R é análogo. Exemplo 2.1. Considere uma opção de compra (call) com strike K satisfazendo P M < K < P U. Nesse caso, os fluxos de caixa são: P U K no estado I, e zero nos estados II e III. Assim, se M 1 + R, temos que V call = ˆπ { 1 V + 1+R D 1 + R D (1+R)(U D)(P U K) 1 V 0 Por outro lado, se M < 1 + R, temos em vez: { V call = ˆπ 1 V + 1+R D 1 + R D 1 V Interpretação Financeira (1+R)(U D) 1+R M (1+R)(U M) (P U K) (P U K) Podemos interpretar esses limites nos preços dos ativos em termos de aversão ao risco: um comprador vai sempre oferecer V (preço de compra) para não estar correndo risco. Por outro lado, para não incorrer em riscos, um vendedor vai estar sempre pedindo V + (preço de venda). No caso de uma negociação por V, com V < V < V +, existe risco tanto para o comprador quanto para o vendedor.

34 2.7 Exercícios 1. Suponha que haja uma eleição presidencial, com candidatos de dois partidos políticos, A e B. Historicamente, houve um número igual de presidentes de cada partido. Por outro lado, um corretor de apostas está pagando 2:7 no candidato do partido A e 3:4 no candidato do partido B. (a) Calcule as probabilidades neutras ao risco do ponto de vista do corretor. (b) Compare o cálculo anterior com as probabilidades freqüenciais. Interprete o resultado. (c) Suponha que você conhece alguém que está disposto a pagar 1:2 no candidato B. Mostre que esta situação é passível de arbitragem. 2. Considere um país, onde o governo decretou uma banda cambial, i.e., a taxa de câmbio entre a moeda local XY Z e o dólar flutua na faixa U$0.95 XY Z U$1.05, por pelo menos um ano. Suponha também que o governo tenha letras de câmbio que pagam 30% ao ano e que a taxa do Banco Central Americano seja 6% ao ano. Mostre que esta é uma situação passível de arbitragem. 3. Numa rodada de apostas considerando pré-candidatos, suponha que um corretor esteja pagando Lula 6:7, Alckmin 1:6, Heloísa Helena 1:50. Calcule as probabilidades neutras ao risco da vitória de cada candidato. Que hipóteses são necessárias para justificar a sua conta? 4. Supondo uma economia sem arbitragem, para que valores do strike K, uma opção de compra vale o mesmo que uma opção de venda? Mostre que esse valor independe do modelo de precificação, desde que não haja possibilidade de arbitragem. 5. (a) Mostre que o conjunto de todas as medidas de probabilidade num conjunto de M elementos pode ser representado como um conjunto convexo P do R M. (b) Seja s um título negociável definido pelo seu preço e seus fluxos de caixa. Mostre que o conjunto de medidas neutras ao risco associado a esse título pode ser descrito como a interseção de P com um hiperplano em R M. (c) Generalize o resultado anterior para o caso de N títulos negociáveis. 6. Aplique o resultado anterior, para analisar o modelo trinomial na seguinte situação: S = 100.00, U = 1.10, M = 1.0, D = 0.80 e uma opção de compra com strike de K = 105.00, que tem um prêmio C = 3.80. Mostre que se, em vez, C = 1.00 existe uma oportunidade de arbitragem.

Capítulo 3 Modelo Binomial The unreasonable effectiveness of mathematics in the natural sciences. E. Wigner [WIG] Neste capítulo, vamos estudar em mais detalhe o modelo binomial multiperíodos desenvolvido inicialmente por [CO-RO-RU]. Embora seja um dos modelos mais simples para a dinâmica dos preços, este modelo já é suficientemente rico para permitir obtermos, inclusive, a célebre fórmula de Black-Scholes quando passamos ao limite contínuo. 3.1 O Modelo Básico Como no capítulo anterior, temos uma economia com dois ativos e dois estados Entretanto, temos agora N + 1 datas de negócio. Nosso espaço amostral para cada período continua sendo Ω = {U, D}. satisfazendo P[{U}] = p e P[{D}] = q, com p + q = 1. Vamos denotar por S n o preço do ativo de risco em t = t n. A dinâmica de preços do ativo é dada por onde S n+1 = H n+1 S n, 0 n N 1, H n = { U, com probabilidade p, D, com probabilidade q, A dinâmica dos preços do ativo de risco pode ser representada pela árvore da figura 3.1. 35

36 S 3 3 S 2 2 S 1 1 S 2 3 S 0 0 S 1 2 S 0 1 S 1 3 S 0 2 S 0 3 Figura 3.1: Árvore binomial de quatro períodos A questão que se põe, neste caso, é a construção de uma medida de probabilidade nos caminhos na árvore ilustrada na Figura 3.1, que nos possibilite escrever o preço de um pagamento contigenciado como o valor esperado do payoff descontando a valor presente. Entretanto, já vimos que as probabilidade freqüênciais não são relevantes para uma precificação correta do ativo. Vamos supor que existe uma medida neutra ao risco e que, nessa medida, em cada período o valor correto do ativo é o valor esperado do fluxo de caixa no próximo período. Mais precisamente Hipótese Martingal que pode ser escrita como Existe uma medida de probabilidade para H n tal que S n = 1 1 + R E[S n+1 S n ], 1 = 1 1 + R {UP U + DP D }, P U + P D = 1. A unica solução do sistema acima é dada por P U = 1 + R D U D, P U (1 + R) D = U D, D < 1 + R < U. Logo temos o seguinte resultado Proposição 3.1. Dado parâmetros U, D e R, satisfazendo D < 1 + R < U, existe uma única medida de probabilidade neutra ao risco para H n e, conseqüentemente, para a os espaço de caminhos de preço do ativo de risco.

37 3.2 Precificação de Pagamentos Contigenciados 3.2.1 Precificação via Recursão Suponha um payoff F (S), cujo vencimento ocorre em t = t N. Vamos denotar por S j n o preço do ativo no tempo t = t n, que teve j choques de preço dados por U. Vamos escrever também V j n = V (S j n), onde V n (S n ) denota o preço do contrato no tempo t = t n com o ativo custando S n. Sob a medida neutra ao risco, temos então: V j n = 1 1 + R E{V n+1 S n = S j n} V j n = 1 1 + R {P U V j+1 n+1 + P DV j n+1 } Temos que ter também a condição terminal, i.e, V j N = F (Sj N ). Para resolver a recursão acima em forma fechada, escrevemos ( ) N n 1 Vn j = E{F (S N ) S n = S j 1 + R n} = N n 1 1 + R Vamos precisar do seguinte resultado Lema 3.1. N k=0 P[S N = S k N S n = S j n] = P[S N = S k N S n = S j n]f (S k N). ( ) N n P k j k j U P N n k+j D. Demonstração: Um caminho até SN k começando em Sj n pode ser pensando com uma palavra de N n letras com k j letras U e N n k + j letras S. Se a probabilidade de termos uma letra U for P U e de termos uma letra D for P D, então a probabilidade de termos uma certa palavra com N n letras, das quais k j são U é P k j U P N n k+j D. Logo P [ S N = SN k S n = Sn j ] = C k,j N,n P k j U P N n k+j D, onde C k,j N,n denota o número de caminhos começando em Sj n e terminando em SN k ou, equivalentemente, o número de palavras e N n letras com k j letras U e N n k + j letras S. Por outro lado, temos N n lugares vazios onde podemos colocar k j letras U e as restantes terão quer ser preenchidas com S. Mas, combinatória básica nos diz que ( ) C k,j N n N,n = k j

38 Isto conclui a demonstração. Portanto, V j n = Se n = j = 0, temos ( 1 1 + R V 0 0 = ) N n N n+j ( 1 1 + R k=j ( ) N n k j ) N N ( ) N k k=0 P k j U P N n k+j D F (SN). k PU k P N k D F (SN). k Registramos este importante resultado na proposição abaixo Proposição 3.2. O preço de uma opção com payoff F (S), vencimento em T = N unidades de tempo a partir do instante atual é dado por ( ) N 1 V 0 = E [ F (S N ) ] S 0. 1 + R O valor esperado proposição 3.2 é definido pela probabilidade de se estar na folha k no tempo N. No caso de uma árvore com P U = P D = 1/2 a distribuição de probabilidade pode ser vista na Figura 3.2.1. 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 0 20 40 60 80 100 j Figura 3.2: Gráfico de P [ S N = U j D N j S 0 = S ]. 3.2.2 Precificação via Hedging Considere um portfólio θ j n = ( j n, B j n) t. O valor do portfólio será V j n = j ns j n + B j n.

39 Dependendo do estado, teremos j+1 n + B j n(1 + R) = V j+1 n+1 j n + B j n(1 + R) = V j n+1 Resolvendo para j n e B j n, obtemos Portanto j n = V j+1 n+1 V j n+1 S j+1 n+1 Sj n+1 [ Vn j = 1 S j n (1 + R) S j n+1 1 + R S j+1 n+1 Sj n+1 = 1 1 + R [P U V j+1 n+1 + P DV j n+1 ] e Bn j = 1 S j n+1 V j+1 n+1 Sj+1 n+1 V j n+1 1 + R S j+1 n+1 Sj n+1 n+1 Sj n(1 + R) V j+1 n+1 + Sj+1 S j+1 n+1 Sj n+1 V j n+1 Levando em conta que V j N = F (Sj N ), temos a mesma recursão anterior. Temos então a seguinte estratégia: 1. No tempo t = t n montamos um portfólio θ j n = ( j n, B j n) t. 2. A partir daí 3. Claramente teremos j k = V j+1 k+1 V j k+1 S j+1 k+1, n k N. Sj k+1 B j k = V j k j k Sj k. 3.3 Precificação das Opções Baunilha Embora a fórmula de precificação derivada acima seja válida para qualquer payoff, o seu cálculo no caso de uma Call ou de uma Put tem interesse específico além de, historicamente, terem sido as primeiras fórmulas de precificação obtidas. 3.3.1 Calls Neste caso, temos Escrevendo S 0 0 = S, temos que C(S, K; N) = = F (S N ) = max(s N K, 0) 1 (1 + R) N 1 (1 + R) N N k=0 N S k N K ( ) N P k k U P N k D max(sn k K, 0) ( ) N P k k U P N k D (S N K). ]